ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Transfer Learning GAN

Transfer Learning GAN initialisiert ein Generatives Adversarielles Netzwerk – oder sowohl seinen Generator als auch seinen Diskriminator – aus Gewichten, die auf einem großen Quell-Datensatz vortrainiert wurden, und verfeinert dann das Netzwerk auf einem kleineren Ziel-Datensatz. Dieser Ansatz ermöglicht qualitativ hochwertige generative Modellierung, selbst wenn Zieldomänen-Daten spärlich sind, indem niedrig- und mittelstufige Merkmalsrepräsentationen wiederverwendet werden, die in großem Maßstab gelernt wurden.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A. & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27, 2672–2680. link
  2. Wang, Y. & Ramanan, D. (2018). Transferring GANs: generating images from limited data. European Conference on Computer Vision (ECCV), 11205, 220–236. DOI: 10.1007/978-3-030-01231-1_14

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/de/deep-learning/transfer-learning-gan

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Referenziert von

ScholarGateTransfer learning GAN (Transfer Learning with Generative Adversarial Networks). Abgerufen am 2026-06-15 von https://scholargate.app/de/deep-learning/transfer-learning-gan · Datensatz: https://doi.org/10.5281/zenodo.20539026